1 数据导入
数据常用格式.csv/.txt/.xls/.json/.xml。
R语言提供相应的函数和库实现对这些数据格式的导入。
现已导入.csv格式和以tab分隔的.txt格式为例
# 读.csv格式
data1<-read.csv(file='C:/abc.csv',header=TRUE,sep=',')
# 读以tab分隔的.txt格式
data2<-read.csv(file='C:/abc.txt',header=TRUE,sep='\t')
2 数据类型变换
数据类型变换包括数据类型测试和数据类型之间的变换。
数据类型测试采用is.xyz系列函数,该函数测试是否为某一种数据类型,返回值是逻辑类型,即TRUE和FALSE。
数据类型变换采用as.xyz系列函数,把某一种数据类型变换到另一种数据类型。
例如:
is.numeric(),is.character(),is.vector(),is.matrix(),is.data.frame()
as.numeric(),as.character(),as.vector(),as.matrix(),as.data.frame()
3 数据集变换
library(reshape)
data3<-melt(mydata,id=c("id","time"))4 数据排序
利用order函数对单一变量或者多个变量进行排序(升序或者降序),返回具有排序功能的索引位置。
# sort by var1
data4<-old[order(var1),]
# sort by var1 and var2 (descending)
data5<-old[order(var1,-var2),]
5 数据可视化
利用R语言做数据可视简单和高效。
R语言画直方图
set.seed(1234)
score<-rnorm(n=1000,m=80,sd=20)
hist(score)
在直方图上面添加密度曲线
hist(score,
freq=FALSE,
xlab="Score",
main="Distribution of score",
col="lightgreen",
xlim=c(0,150),
ylim=c(0,0.02))
curve(dnorm(x,
mean=mean(score),
sd=sd(score)),
add=TRUE,
col="darkblue",
lwd=2)
6 列联表
列联表是理解各类分布的最基本和最有效的方式。
单变量列联表
多变量列联表
参考代码
library(gmodels)
CrossTable(mydata$myrowvar,mydata$mycolvar)
7 数据抽样
利用sample函数实现数据抽样
从数据集中不放回地随机抽取100个样本
参考代码:
mysample<-mydata[sample(1:nrow(mydata),100,replace=FALSE),]
8 数据去重
利用unique函数去掉向量中的重复值
set.seed(1234)
x<-round(rnorm(20,10,5))
x
unique(x)
结果如下
9 数据汇总
使用apply系列函数,实现汇总
10 缺失值识别和处理
使用is.na函数识别缺失值,采用均值、中位数、众数、插补法等方法对确实值处理。
y<-c(4,5,6,NA)
is.na(y)
y[is.na(y)]<-mean(y,na.rm=TRUE)
y
11 异常值识别和处理
异常值识别-异常值定位-异常值处理
异常值识别方法:盒箱图和简单统计量
异常值处理方法:剔除法/修复法
12 数据合并
利用merge函数或者rbind函数或者sqldf包基于数据库的连接操作
# merge two data frames by ID
total<-merge(data frameA,data frameB,by="ID"
# merge two data frames by ID and Country
total<-merge(data frameA,data frameB,by=c("ID","Country"))
total<-rbind(data frameA,data frameB)
总结
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14